Compreensão da linguagem natural

  • Versão de lançamento: Yokohama
  • Atualizado 30 de jan. de 2025
  • 4 min. de leitura
  • ServiceNow® Compreensão da linguagem natural( NLU) fornece um Workbench de NLUe um NLUserviço de inferência que você pode usar para permitir que o sistema aprenda e responda à intenção expressa por humanos. Ao inserir exemplos de linguagem natural no sistema, você o ajuda a entender os significados e contextos das palavras para inferir ações do usuário ou do sistema.

    Visão geral do Compreensão da linguagem natural

    Figura 1. Fluxo de entrada do usuário no processo de criação do modelo de NLU
    Esta imagem mostra o fluxo de entrada do usuário no processo de criação do modelo de NLU.
    Esta imagem mostra o fluxo de entrada do usuário no processo de criação do modelo de NLU.

    NLU terminologia

    Em NLUem linguagem simples, esses termos identificam os principais componentes de linguagem que o sistema usa para classificar, analisar e processar o conteúdo de linguagem natural.
    Intenção
    Algo que um usuário deseja fazer ou o que você deseja que sua aplicação manipule, como conceder acesso.
    Enunciado
    Um exemplo em linguagem natural de uma intenção do usuário. Por exemplo, uma cadeia de caracteres de texto na descrição resumida de um incidente, uma entrada de bate-papo ou uma linha de assunto do e-mail. Os enunciados são usados para criar e treinar intenções e, portanto, não devem incluir vários significados ou intenções ambíguos.
    Entidade
    O objeto ou contexto de uma ação. Por exemplo: Um laptop, uma função de usuário ou um nível de prioridade.
    Entidade do sistema
    Eles são predefinidos em uma instância e têm significados altamente reutilizáveis, como data, hora e local.
    Entidade definida pelo usuário
    Estes são criados no sistema pelos usuários e podem ser criados a partir de palavras nos enunciados que eles criam.
    Entidade comum
    Um contexto comumente usado e extraído por meio de um modelo de entidade predefinido, como moeda, organização, pessoas ou quantidade.
    Vocabulário
    O vocabulário é usado para definir ou substituir significados de palavras. Por exemplo, você pode atribuir o sinônimo "Microsoft" ao acrônimo "MS".
    Modelo do NLU
    Uma coleção de exemplos de enunciados e suas intenções e entidades associadas que o sistema usa como referência para inferir intenções e entidades em um novo enunciado. O Workbench de NLU vem com modelos de NLU pré-criados para unidades de negócios específicas, como um modelo de ITSM. Você também pode criar modelos personalizados.

    Esta imagem ilustra como Compreensão da linguagem naturalprocessa e renderiza exemplos de enunciados em intenções e entidades no sistema.

    Figura 2. A NLU processa e renderiza exemplos de enunciados em intenções e entidades
    Esta imagem mostra como a Compreensão de linguagem natural processa e renderiza exemplos de enunciados em intenções e entidades no sistema.

    Workbench de NLU

    Use o. Workbench de NLUpara criar representações morfológicas da linguagem humana. Esses modelos permitem criar intenções e entidades expressas em enunciados de linguagem natural. Qualquer ServiceNowa aplicação pode invocar um NLUmodelo para obter uma inferência de intenções e entidades em um determinado enunciado.

    Usando o. nlu_admin , você cria seus modelos no Workbench de NLU, onde você cria, treina, testa e publica iterativamente.

    Figura 3. Visão geral da API de criação de NLU que ajuda os administradores a criar seus modelos
    Esta imagem mostra como a API de criação de NLU ajuda os administradores de NLU a criar seus modelos de NLU.

    Para obter informações sobre como criar e usar um modelo de NLU, consulte: Crie um modelo de NLU .

    NLU serviço de inferência

    Compreensão da linguagem naturalfornece um NLUserviço de inferência que ajuda o sistema a entender a linguagem natural e conduzir ações inteligentes. Este serviço treina e prevê intenções e entidades para um determinado enunciado do usuário em seu modelo para que seu texto seja traduzido em formatos compreensíveis por máquina, como APIs e parâmetros.

    Figura 4. Visão geral de como o sistema usa uma API de inferência de NLU para extrair intenções e entidades
    Esta imagem mostra como o sistema usa uma API de inferência de NLU para extrair intenções e entidades para um determinado enunciado. Esta imagem mostra como o sistema usa uma API de inferência de NLU para extrair intenções e entidades para um determinado enunciado.

    Aqui, o sistema usa uma API de inferência para treinar NLUusando dados de registro de amostra para identificar intenções e entidades que são fortes candidatas a uma previsão precisa.

    Consumo do modelo de NLU

    Outro ServiceNow®as aplicações consomem NLUsaída do modelo, como Virtual Agent.

    Figura 5. Visão geral da aplicação do Virtual Agent que consome NLU
    Esta imagem mostra como a aplicação Virtual Agent consome a Compreensão de linguagem natural.

    Por exemplo, Virtual Agentos administradores podem configurar um Designer do Virtual AgentFluxo de conversa para consumir modelos de NLU para que os chatbots do agente possam entender melhor as declarações do usuário na conversa. Para obter mais informações sobre como Virtual AgentModelos de NLU, consulte: Descoberta de tópicos de Compreensão de linguagem natural (NLU) no Virtual Agent .

    Iniciar

    Solucionar problemas e obter ajuda